AI를 써서 숙제를 한 학생은 숙제 점수가 18% 올랐지만 시험에서 20% 낮은 점수를 받았다(Economist). AI는 학습의 증폭기다 — 답을 주는 도구로 쓰면 학습이 사라지고, 튜터로 쓰면 유지된다.
핵심 요약
- 이코노미스트가 보도한 연구에 따르면, AI를 써서 숙제를 한 학생은 숙제 점수가 평균 18% 올랐지만, 시험에서는 같은 반 친구들보다 20% 낮은 점수를 받았습니다 (The Economist).
- 숙제 완료 시간은 평균 64분에서 45분으로 줄었습니다. 빨라졌지만, 그 시간 단축이 곧 학습 손실이었습니다.
- 핵심은 AI를 어떻게 쓰느냐입니다. AI를 '설명해주는 튜터'로 쓴 학생은 성적이 유지되거나 올랐지만, '숙제를 대신 해주는 도구'로 쓴 학생은 시험에서 무너졌습니다.
- AI는 학습의 증폭기입니다. 똑똑한 사람은 더 똑똑하게, 게으른 사람은 더 게으르게 만듭니다.
- '숙제 점수가 곧 학습 지표'라는 전제가 처음으로 깨졌습니다. 숙제 점수와 시험 성적의 상관관계가 AI로 인해 끊어진 것입니다.
AI가 숙제를 대신하면 무슨 일이 생기는가
AI 학습 보조는 학생이 숙제나 공부를 할 때 생성형 AI를 활용해 답을 얻거나 설명을 듣는 도구입니다. 이코노미스트가 2026년 8월 18일 보도한 연구는 이런 AI 학습 보조의 효과를 6개월간 추적한 결과를 담고 있습니다 (The Economist). 핵심 수치는 세 가지입니다.
첫째, 숙제 점수가 올랐습니다. AI를 쓴 학생들의 평균 숙제 점수는 전 과목에서 18% 상승했습니다. AI가 답을 정리해주고, 표현을 다듬어주고, 틀린 부분을 고쳐주니까 숙제는 완벽해집니다.
둘째, 시간이 줄었습니다. 숙제 하나를 완성하는 시간은 평균 64분에서 45분으로 단축됐습니다. 약 30%가 빨라진 셈입니다. 학생 입장에서는 매력적입니다. 같은 숙제를 더 빨리, 더 높은 점수로 끝낼 수 있으니까요.
셋째, 시험에서 무너졌습니다. 같은 학생들이 시험을 보자 반 친구들보다 20% 낮은 점수를 받았습니다. 숙제에서 올린 18%를 시험에서 20%로 되갚은 것입니다.
숙제는 잘했는데 시험은 못 봤다. 이 역설의 원인은 단순합니다. AI가 숙제를 '대신' 했을 때, 학생의 머리에는 아무것도 남지 않기 때문입니다. 숙제는 학습 과정 자체가 목적인데, AI가 그 과정을 통째로 가로채면 결과물만 남고 학습은 사라집니다.
'숙제 점수 = 학습 지표'라는 전제의 붕괴
이 연구가 던지는 더 큰 메시지는 교육 평가 체계에 대한 것입니다. 지금까지 숙제 점수는 시험 성적을 예측하는 지표였습니다. 숙제를 꾸준히 잘 하는 학생은 대체로 시험도 잘 봤습니다.
AI가 이 상관관계를 끊어버렸습니다. HN 토론에서 한 사용자가 정확히 지적했습니다. "숙제 점수는 한때 시험 성적을 예측했다" (Hacker News). 이제 숙제 점수는 더 이상 학습을 측정하지 못합니다. AI가 숙제를 대신 해주는 순간부터, 숙제 점수는 '학생의 실력'이 아니라 'AI 활용 능력'을 반영하게 됐기 때문입니다.
교사와 교육 시스템은 이 변화를 아직 따라가지 못하고 있습니다. 숙제를 내고, 채점하고, 그 점수로 학습 수준을 판단하는 낡은 구조가 AI 앞에서 무력해지고 있습니다. 시험 성적이 떨어진 뒤에야 'AI가 숙제를 대신 했구나'를 알아차리는 상황입니다.
AI는 증폭기다 — 어떻게 쓰느냐가 전부
이 연구에서 주목할 대목은 모든 AI 사용자가 시험에서 무너진 게 아니라는 점입니다. HN 토론에서 원문을 읽은 사용자가 요약했습니다. "AI를 쓰면서도 비슷한 시간을 공부에 쓴 학생은 비-AI 고성과자와 비슷하거나 약간 더 높은 성적을 받았다" (Hacker News).
무너진 쪽은 AI에게 숙제를 통째로 맡긴 학생들입니다. AI를 '답을 복사하는 도구'로 쓴 학생과, '개념을 설명해주는 튜터'로 쓴 학생의 결과가 정반대로 갈렸습니다.
한 댓글의 표현이 정확합니다. "AI는 똑똑한 사람을 더 똑똑하게, 멍청한 사람을 더 멍청하게 만든다." AI는 학습의 증폭기입니다. 이미 공부하는 사람에게는 백 배의 효율을 주지만, 공부를 회피하려는 사람에게는 회피를 백 배 편하게 만들어줍니다.
문제는 인간이 본능적으로 '최소 저항 경로'를 택한다는 점입니다. HN 토론의 또 다른 지적처럼, 아이들은 물론 어른도 게으릅니다. "아이들이 LLM을 개인 튜터로 쓰지 않고, 답을 받아적는 도구로 쓸 것"이라는 우려는 이미 현실이 됐습니다.
숙제는 과정이 목적이다
이 연구가 던지는 교훈은 분명합니다. 숙제는 결과물을 제출하는 행위가 아니라, 손으로 직접 부딪히며 뇌에 새기는 과정입니다. 그 과정을 AI가 가로채면, 결과물은 완벽해도 학습은 0이 됩니다.
AI를 쓰지 말라는 뜻이 아닙니다. AI를 '답을 주는 기계'가 아니라 '막힌 곳에서 방향만 알려주는 조력자'로 쓰라는 뜻입니다. HN 토론에서 나온 한 제안은 이렇게 씁니다. "숙제 도움이 필요하지만 답은 원하지 않습니다. 답에 도달하는 방법만 알려주십시오" (Hacker News). 이 한 줄을 AI에게 먼저 말하는 것만으로도 쓰임새가 완전히 달라집니다.
물론 게으른 학생이 이 지시를 무시하고 그냥 답을 받아적을 가능성은 여전히 남습니다. 하지만 시험에서 무너지는 순간, 그 비용은 고스란히 본인이 치릅니다. "결국 닭이 집에 돌아온다"는 HN 댓글의 표현대로, 회피의 대가는 언젠가 청구됩니다.
판단과 체크리스트
AI 학습 보조를 도입하거나, 아이에게 AI를 쥐여줄 때 확인할 점입니다.
- 1단계 — 숙제를 '대신' 하지 않습니다. AI에게 과제를 통째로 맡기면 결과물만 남고 학습은 사라집니다. 답을 받아적는 순간, 그 과목은 시험에서 무너집니다.
- 2단계 — AI를 '튜터'로 제한합니다. "답을 주지 말고 방법만 알려줘"라고 먼저 지시합니다. 막힌 개념을 설명받는 용도로만 씁니다.
- 3단계 — 과정을 검증합니다. 숙제 점수가 아니라, 'AI 없이도 풀 수 있는지'를 확인합니다. 숙제 점수는 더 이상 학습의 증거가 아닙니다.
- 4단계 — 손으로 푸는 시간을 남깁니다. AI가 아무리 빨라도, 직접 고민하고 틀리는 시간이 학습의 본질입니다. 시간 단축이 곧 손실임을 기억합니다.
- 5단계 — 시험 성적을 진짜 지표로 봅니다. 숙제 점수와 시험 점수가 벌어지기 시작하면, AI 의존이 시작된 신호입니다.
결론은 이렇습니다. AI는 학습을 파괴하는 도구가 아니라 증폭하는 도구입니다. 다만 증폭의 방향은 사용자가 정합니다. 숙제 점수 18% 상승과 시험 점수 20% 하락 사이에는, 'AI가 내 머리를 대신했는가'라는 단 하나의 질문이 놓여 있습니다.
이 글의 핵심 수치와 논의는 이코노미스트의 'Does AI stop children from learning' 보도와 Hacker News 토론 스레드를 근거로 합니다 (The Economist, Hacker News).